論文の概要: Efficient Targeted Maximum Likelihood Estimators for Two-Phase Design Problems
- arxiv url: http://arxiv.org/abs/2602.24131v1
- Date: Fri, 27 Feb 2026 16:08:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-02 19:48:24.505124
- Title: Efficient Targeted Maximum Likelihood Estimators for Two-Phase Design Problems
- Title（参考訳）: 2相設計問題に対する最適最適最適最適推定器
- Authors: Sky Qiu, Susan Gruber, Pamela A. Shaw, Brian D. Williamson, Mark J. van der Laan,
- Abstract要約: 二相設計では、変数のサブセットのみを収集するフェーズ1において、ターゲット集団からランダムサンプルを抽出する。
フェーズ2では、フェーズ1コホートのサブサンプルが選択され、追加変数が測定される。
我々は、ランダムな粗大化、すなわち位相2サンプリング機構は、完全に観察された変数のみに依存すると仮定する。
- 参考スコア（独自算出の注目度）: 3.6210754412846318
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In a typical two-phase design, a random sample is drawn from the target population in phase 1, during which only a subset of variables is collected. In phase 2, a subsample of the phase-1 cohort is selected, and additional variables are measured. This setting induces a coarsened data structure on the data from the second phase. We assume coarsening at random, that is, the phase-2 sampling mechanism depends only on variables fully observed. We review existing estimators, including the generalized raking estimator and the inverse probability of censoring weighted targeted maximum likelihood estimation (IPCW-TMLE) along with its extensions that also target the phase-2 sampling mechanism to improve efficiency. We further introduce a new class of estimators constructed within the TMLE framework that are asymptotically equivalent.
- Abstract（参考訳）: 典型的な2相設計では、変数のサブセットのみを収集するフェーズ1のターゲット集団からランダムサンプルが引き出される。
フェーズ2では、フェーズ1コホートのサブサンプルが選択され、追加変数が測定される。
この設定は、第2フェーズからデータに対する粗いデータ構造を誘導する。
我々は、ランダムな粗大化、すなわち位相2サンプリング機構は、完全に観察された変数のみに依存すると仮定する。
提案手法は, 一般化レイキング推定器, 加重目標最大推定法 (IPCW-TMLE) の逆確率, および位相2サンプリング機構を目標とし, 効率を向上する拡張を含む既存の推定器について検討する。
さらに、漸近的に等価なTMLEフレームワーク内に構築された新しい推定器のクラスを導入する。
関連論文リスト
- Variance-Reduced Diffusion Sampling via Target Score Identity [0.0]
クリーンな(ターゲット)スコアが利用可能か,あるいは近似可能な設定において,スコア推定と拡散に基づくサンプリングの分散化について検討した。
我々は、標準の逆時間解法と互換性のあるプラグアンドプレイ非パラメトリックな自己正規化重要度サンプリング推定器を開発した。
PDE-Governed Inverse問題と合成ターゲット実験により, 固定シミュレーション予算に対する試料品質の改善が示された。
論文 参考訳（メタデータ） (2026-01-04T16:46:31Z) - Quantum-Circuit Framework for Two-Stage Stochastic Programming via QAOA Integrated with a Quantum Generative Neural Network [1.7240671897505615]
2段階プログラミングは、しばしば不確実性をシナリオに識別するが、シナリオはシナリオ数において少なくとも線形にrecourse予測評価尺度を作成する。
本稿では,事前学習した逆数ネットワークがシナリオ分布を符号化する量子回路統合ワークフローを提案する。
論文 参考訳（メタデータ） (2025-12-27T02:03:33Z) - Design Stability in Adaptive Experiments: Implications for Treatment Effect Estimation [4.2756749973231924]
本研究では, 逐次適応的処理代入機構下での平均処理効果(ATE)を推定する問題について検討する。
古典的完全ランダム化設計とは対照的に、各実験単位に処理を割り当てる確率が、事前の割り当てや観察結果に依存する可能性がある設定を考える。
Inverse propensity weighted (IPW) 推定器と拡張IPW (AIPW) 推定器の2つの自然推定器を提案し,解析する。
論文 参考訳（メタデータ） (2025-10-25T16:30:26Z) - Semiparametric conformal prediction [79.6147286161434]
ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。
スコアの累積分布関数(CDF)を柔軟に推定する。
提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
論文 参考訳（メタデータ） (2024-11-04T14:29:02Z) - Transformers meet Stochastic Block Models: Attention with Data-Adaptive
Sparsity and Cost [53.746169882193456]
最近の研究は、自己注意の二次的コストを克服するために、様々なスパークアテンションモジュールを提案している。
本稿では,それぞれの注意を混合メンバーシップブロックモデルで表現することで,両方の問題を解決するモデルを提案する。
我々のモデルは、以前の効率的な変種とオリジナルのトランスフォーマーより優れており、十分に注目されています。
論文 参考訳（メタデータ） (2022-10-27T15:30:52Z) - Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。
一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
論文 参考訳（メタデータ） (2022-02-23T06:11:49Z) - Semi-Supervised Quantile Estimation: Robust and Efficient Inference in High Dimensional Settings [0.5735035463793009]
2つの利用可能なデータセットを特徴とする半教師付き環境での量子推定を考察する。
本稿では,2つのデータセットに基づいて,応答量子化(s)に対する半教師付き推定器群を提案する。
論文 参考訳（メタデータ） (2022-01-25T10:02:23Z) - CARMS: Categorical-Antithetic-REINFORCE Multi-Sample Gradient Estimator [60.799183326613395]
本稿では, 相互に負に相関した複数のサンプルに基づく分類的確率変数の非バイアス推定器を提案する。
CARMSは、ReINFORCEとコプラベースのサンプリングを組み合わせることで、重複サンプルを回避し、その分散を低減し、重要サンプリングを使用して推定器を偏りなく維持する。
我々は、生成的モデリングタスクと構造化された出力予測タスクに基づいて、いくつかのベンチマークデータセット上でCARMSを評価し、強力な自己制御ベースラインを含む競合する手法より優れていることを示す。
論文 参考訳（メタデータ） (2021-10-26T20:14:30Z) - Machine Learning based optimization for interval uncertainty propagation
with application to vibro-acoustic models [0.0]
工学系の性能解析には2つの非侵入的不確実性伝播法が提案されている。
1つのアプローチは、応答変数の上と下の境界を別々に評価するために、2つの異なるトレーニングデータセットを反復的に構築する。
もう1つは反復的に単一のトレーニングデータセットを構築します。
論文 参考訳（メタデータ） (2021-06-21T15:57:11Z) - Multivariate Probabilistic Regression with Natural Gradient Boosting [63.58097881421937]
多変量予測分布の条件パラメータを非パラメトリックにモデル化したNatural Gradient Boosting (NGBoost) 手法を提案する。
提案手法は頑健で, 広範囲なチューニングを伴わず, 推定対象分布に対してモジュール構造であり, 既存の手法と比較して競争力がある。
論文 参考訳（メタデータ） (2021-06-07T17:44:49Z) - Statistical Approach to Quantum Phase Estimation [62.92678804023415]
位相推定アルゴリズム(PEA)に新しい統計的・変動的アプローチを導入する。
固有位相推定のみを返す従来的かつ反復的なPEAとは異なり、提案手法は未知の固有状態-固有位相対を決定できる。
本稿では,IBM Qプラットフォームおよびローカルコンピュータ上で,Qiskitパッケージを用いた手法のシミュレーション結果を示す。
論文 参考訳（メタデータ） (2021-04-21T00:02:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。